任何一項技術(shù)的發(fā)展，都具有兩面性。以 ChatGPT 為代表的大模型和人工智能系統(tǒng)，也是如此。如今，有關(guān)人工智能系統(tǒng)如何影響氣候變化的討論，正變得愈發(fā)激烈。
一方面，隨著模型參數(shù)量的指數(shù)級增長，人工智能系統(tǒng)消耗的能源、水和其他資源也越來越多。《紐約客》曾報道，ChatGPT 每天可能要消耗超過 50 萬千瓦時的電力（相當(dāng)于 1.7 萬多個美國家庭的單日用電量）。馬斯克也曾預(yù)測，未來兩年內(nèi)全球?qū)⒂?ldquo;缺硅”轉(zhuǎn)為“缺電”。這在一定程度上會對全球氣候產(chǎn)生負(fù)面影響，比如因能源消耗導(dǎo)致的大量溫室氣體排放。
另一方面，越來越先進(jìn)的人工智能系統(tǒng)，也提高了人類在各行各業(yè)的工作效率，給日常生活帶來了更多便利。
然而，這些由人工智能系統(tǒng)帶來的變化，也可能會對排放產(chǎn)生間接影響，可能是積極的，也可能是消極的。
那么，如何準(zhǔn)確評估人工智能對氣候變化的實際影響？人工智能究竟是加速還是推遲了凈零排放的實現(xiàn)？是幫助還是損害了全球氣候？
日前，微軟首席科學(xué)官 Eric Horvitz、微軟可持續(xù)發(fā)展科學(xué)與創(chuàng)新全球高級總監(jiān) Amy Luers 及其合作者，在權(quán)威科學(xué)期刊 Nature 上發(fā)文，呼吁研究人員制定一套與政策相關(guān)的情景方案，從而量化人工智能擴(kuò)張在一系列假設(shè)條件下可能對氣候產(chǎn)生的影響。
學(xué)術(shù)頭條在不改變原文大意的情況下，做了精心的編譯，如下：
人工智能（AI）已經(jīng)在改變?nèi)蚪?jīng)濟(jì)。各個公司每年在這些技術(shù)上投資數(shù)千億美元。幾乎在每一個領(lǐng)域，人工智能都被用于提高運(yùn)營效率、管理復(fù)雜性、提供個性化服務(wù)和加快創(chuàng)新。
隨著人工智能對社會的影響越來越大，人們對其對溫室氣體排放的影響產(chǎn)生了疑慮：
人工智能的大量應(yīng)用是有助于減少世界的碳足跡，還是阻礙氣候進(jìn)步？答案將取決于人工智能模型是如何開發(fā)和運(yùn)行的，以及使用它們會帶來哪些變化。然而，科學(xué)家們根本不知道這一切將如何發(fā)展——當(dāng)有如此多的利害關(guān)系時，這是一個令人擔(dān)憂的問題。
到目前為止，有關(guān)人工智能對環(huán)境影響的大多數(shù)討論都集中在這些計算密集型技術(shù)的直接影響上——它們消耗了多少能源、水或其他資源，以及它們產(chǎn)生多少溫室氣體。但是，從改變醫(yī)療保健和教育，到提高采礦、運(yùn)輸和農(nóng)業(yè)的效率，人工智能應(yīng)用對社會的全球影響將更加廣泛。
這些由人工智能驅(qū)動的變化可能會對排放產(chǎn)生間接影響，可能是積極的，也可能是消極的。這些間接影響也需要被考慮在內(nèi)，而且可能遠(yuǎn)遠(yuǎn)超過直接影響。我們迫切需要對人工智能的各類影響進(jìn)行評估。以下是我們知道的和不知道的。
未來的不確定性
迄今為止，人工智能對氣候的直接影響相對較小。運(yùn)行大模型需要數(shù)百萬個專用處理器，這些處理器被置于配備有強(qiáng)大冷卻系統(tǒng)的專用數(shù)據(jù)中心。
2023 年安裝的人工智能處理器每年耗電 7-11 太瓦時（TWh），約占全球用電量的 0.04%。根據(jù)國際能源署（IEA）的數(shù)據(jù)，這一數(shù)字低于加密貨幣挖礦（100-150 太瓦時）和傳統(tǒng)數(shù)據(jù)中心（500-700 太瓦時）的用電量。因此，就全球溫室氣體排放總量而言，根據(jù)國際能源署的評估，數(shù)據(jù)中心和傳輸網(wǎng)絡(luò)合計約占 0.6%，而我們計算出人工智能目前約占 0.01%。
人工智能的使用正在迅速擴(kuò)大。在過去十年中，用于訓(xùn)練大型語言模型（LLMs）的計算能力每年增長十倍。預(yù)計在未來 5-10 年內(nèi)，我們對人工智能服務(wù)的需求將以每年 30-40% 的速度增長，而更強(qiáng)大的人工智能模型將需要更多的能源。據(jù)估計，到 2027 年，全球與人工智能相關(guān)的能源消耗可能是 2023 年的 10 倍。盡管許多數(shù)據(jù)中心所在地區(qū)的本地電網(wǎng)可能會面臨挑戰(zhàn)，但從全球角度來看，人工智能不會直接導(dǎo)致溫室氣體排放量在短期內(nèi)大幅增加。
能源效率的提高可以抵消部分預(yù)計增加的電力需求，就像 2010 年代數(shù)據(jù)中心擴(kuò)張時那樣。更高效的人工智能算法、更小的模型以及硬件和冷卻系統(tǒng)的創(chuàng)新都會有所幫助。人工智能公司越來越多地投資可再生能源，并在冰島等清潔能源供應(yīng)豐富的國家或地區(qū)開展業(yè)務(wù)。
然而，間接影響并不清晰。一些人工智能應(yīng)用旨在應(yīng)對氣候變化，比如減少能源和運(yùn)輸部門、建筑和工業(yè)運(yùn)營以及土地使用產(chǎn)生的排放。優(yōu)化供應(yīng)鏈將提高制造業(yè)的效率，并支持將可再生能源納入電網(wǎng)。加快電池和可再生能源新材料的開發(fā)也將帶來很多好處。
也可能會產(chǎn)生一些負(fù)面的間接影響。將人工智能嵌入從醫(yī)療到娛樂的現(xiàn)有應(yīng)用中，可能會增加用電量。石油和天然氣的勘探和開采成本可能會變得更低，從而有可能提高產(chǎn)量。如果沒有適當(dāng)?shù)闹卫恚斯ぶ悄艿膹V泛應(yīng)用可能會影響全球經(jīng)濟(jì)穩(wěn)定，從而對貧困、糧食安全和等產(chǎn)生影響——所有這些都可能對排放產(chǎn)生連鎖反應(yīng)。
這還只是現(xiàn)有的人工智能系統(tǒng)。未來的人工智能技術(shù)將如何發(fā)展？它們的擴(kuò)展將如何影響全球經(jīng)濟(jì)？這又將如何影響去碳化？研究人員目前還不清楚；現(xiàn)在下結(jié)論還為時過早。簡單地將過去的人工智能用電趨勢推斷到未來會有一定的說服力，但忽視社會、經(jīng)濟(jì)和技術(shù)因素往往會導(dǎo)致巨大的預(yù)測誤差。同樣，過于簡單地看待間接排放的影響，有可能低估人工智能在加速重要?dú)夂蚪鉀Q方案突破方面的潛力，比如在數(shù)月而非數(shù)十年內(nèi)開發(fā)出更便宜、更強(qiáng)大的電池。